transformar la productividad, gestionar tareas complejas y automatizar flujos de trabajo con una inteligencia sin precedentes. Tenemos agentes de IA brillantes capaces de razonar, planificar y ejecutar. Sin embargo, a pesar de toda su brillantez individual, han estado luchando en silencio. El principal obstáculo para escalar la IA agéntica a todo su potencial empresarial no ha sido la inteligencia de los modelos en sí, sino un desafío mucho más mundano, aunque crítico: la infraestructura subyacente.
Hasta ahora, el mundo de los agentes de IA ha sido un paisaje de islas digitales. Cada agente, a menudo construido con un marco de trabajo diferente o por un proveedor distinto, habla su propio idioma. Conectar un agente a una nueva herramienta —una base de datos, un CRM, una API de pagos, un sistema de archivos— ha requerido integraciones personalizadas y punto a punto. Esto ha llevado a un estado de “fragmentación de herramientas” y “fragmentación de recursos”, donde cada nueva conexión es una pieza de código frágil y a medida, creando una montaña de deuda técnica y haciendo que el despliegue escalable a nivel empresarial sea casi imposible. La promesa de una fuerza de trabajo digital autónoma se ha visto obstaculizada por la falta de un lenguaje común para las herramientas.
Este es un patrón clásico de adopción de tecnología: el potencial de la aplicación supera la capacidad de la infraestructura. Hemos llegado a un punto de inflexión en el que los avances más significativos no provendrán de modelos de IA marginalmente mejores, sino de resolver este problema fundamental de integración. Aquí entra en juego el Protocolo de Contexto del Modelo (MCP), un estándar abierto destinado a convertirse en el lenguaje universal para la interacción agente-herramienta. Se entiende mejor a través de una analogía simple pero potente: MCP es el USB-C para la IA. Así como el USB-C creó un único puerto estandarizado para conectar un universo de periféricos, MCP proporciona un conector universal para que los agentes de IA se conecten de forma segura y fluida a cualquier herramienta o fuente de datos.
La arquitectura de MCP visualizada. Un ‘Anfitrión’ de IA (el cerebro, como Claude u OpenAI) utiliza un protocolo estandarizado (el centro) para conectarse a varios ‘Servidores’ externos (las herramientas y los datos), creando un ecosistema ‘plug-and-play’ para las capacidades de la IA. Adaptado de la visualización presentada en “¿Qué es el MCP y para qué sirve?” por Germán Huertas Piquero: https://www.linkedin.com/pulse/qu%C3%A9-es-el-mcp-y-para-sirve-germ%C3%A1n-huertas-piquero-vbbyf/
Deconstruyendo la Magia: Una Inmersión Profunda en el Protocolo de Contexto del Modelo (MCP)
Para comprender la revolución que representa MCP, debemos mirar más allá de la analogía y adentrarnos en su arquitectura. MCP es un protocolo abierto, fuertemente inspirado por el éxito del Protocolo de Servidor de Lenguaje (LSP), que estandarizó cómo las herramientas de desarrollo soportan varios lenguajes de programación. De la misma manera, MCP estandariza cómo las aplicaciones de IA se integran con el vasto ecosistema de herramientas y datos externos que necesitan para ser eficaces.
En su núcleo, MCP opera sobre una arquitectura cliente-anfitrión-servidor construida sobre el bien establecido estándar JSON-RPC 2.0.
- El Anfitrión (Host) es la aplicación principal de IA, como Agentforce de Salesforce o Claude Desktop de Anthropic. Actúa como el orquestador, gestionando las conexiones a varios servidores y aplicando las políticas de seguridad.
- El Servidor MCP (MCP Server) es un envoltorio ligero alrededor de una capacidad específica. En lugar de una integración monolítica, se puede tener un servidor MCP dedicado para su API de PayPal, otro para su sistema de archivos de Box y otro para una base de datos personalizada.
- El Cliente (Client) es el conector dentro del anfitrión que mantiene la conexión con estado a un servidor.
Un servidor MCP puede ofrecer tres primitivas fundamentales a un agente:
- Herramientas (Tools): Son funciones ejecutables que el modelo de IA puede descubrir e invocar para realizar acciones, como process_payment o retrieve_document.
- Recursos (Resources): Son datos contextuales a los que el agente puede acceder para informar sus decisiones, como un catálogo de productos, el historial de compras de un usuario o el contenido de un archivo específico.
- Prompts: Son plantillas o flujos de trabajo predefinidos y reutilizables que guían al agente en la realización de tareas comunes o recurrentes.
Crucialmente, el protocolo está diseñado con la seguridad de grado empresarial en su corazón. Opera bajo un principio de consentimiento y control explícito del usuario. La aplicación Anfitrión es responsable de gestionar toda la autorización y de garantizar que el usuario apruebe cualquier acceso a datos o ejecución de herramientas. Este diseño proporciona un marco robusto para la privacidad de los datos y la seguridad de las herramientas, abordando directamente una preocupación empresarial clave.
La Diferencia Crítica: MCP vs. API Tradicionales
El verdadero cambio de paradigma de MCP se vuelve claro cuando se contrasta con las integraciones de API tradicionales. Esta distinción es la diferencia entre dar a un empleado una única instrucción específica y darle una caja de herramientas completa y la autonomía para resolver un problema.
- Una integración de API tradicional es determinista y definida por el desarrollador. Un desarrollador escribe código explícito para llamar a un punto final de API específico con un conjunto predefinido de parámetros. Las capacidades del agente son fijas y están codificadas de forma rígida. Si se quiere que el agente haga algo nuevo, un desarrollador tiene que escribir nuevo código.
- Una integración basada en MCP es autónoma e impulsada por el modelo. El desarrollador no escribe código para cada acción individual. En su lugar, expone un conjunto de herramientas al agente a través de un servidor MCP. El Gran Modelo de Lenguaje (LLM) en el núcleo del agente razona entonces sobre la solicitud del usuario, selecciona autónomamente la herramienta apropiada (o secuencia de herramientas) de su “caja de herramientas” disponible, y la ejecuta para alcanzar el objetivo. Esto traslada la carga de la orquestación de flujos de trabajo complejos del desarrollador al motor de razonamiento del modelo.
Cómo Salesforce Habilita la Empresa Impulsada por MCP
Salesforce entiende que para que las empresas adopten MCP, necesitan una rampa de acceso clara. Un estándar abierto es tan poderoso como las herramientas disponibles para implementarlo. Es por eso que los roles de MuleSoft y Heroku son centrales en la estrategia de Salesforce.
- MuleSoft: El Puente del Legado al Futuro. Las empresas tienen miles de API existentes que encierran datos valiosos y lógica de negocio. Los nuevos conectores MCP de MuleSoft actúan como una capa de traducción instantánea, permitiendo a las empresas envolver cualquier API existente y exponerla como un servidor MCP seguro, gobernado y listo para agentes. Esto proporciona un puente sin fisuras desde el viejo mundo de las API a medida hacia el nuevo mundo de las herramientas agénticas estandarizadas.
- Heroku: La Fábrica de Nuevas Herramientas. Cuando una empresa necesita una nueva capacidad personalizada —quizás una tarea de análisis de datos computacionalmente intensiva o una utilidad única basada en Python— Heroku proporciona la plataforma ideal. Los desarrolladores pueden construir y desplegar estas herramientas personalizadas como servidores MCP seguros y escalables que operan enteramente dentro del límite de confianza de Salesforce, listos para ser consumidos por Agentforce.
Juntos, MuleSoft y Heroku proporcionan una solución integral para que las empresas “MCP-ifiquen” todo su panorama de herramientas, ya sea convirtiendo lo antiguo o construyendo lo nuevo.
Salesforce Agentforce 3: Poniendo a MCP a Trabajar en la Empresa
Con el lanzamiento de Agentforce 3, Salesforce no solo está soportando MCP; está construyendo todo un ecosistema de grado empresarial a su alrededor, diseñado para cumplir la promesa de interoperabilidad con la confianza, la gobernanza y el control que las empresas exigen.
El enfoque de la plataforma hacia la Interoperabilidad de Agentforce es multicapa. En su base, Agentforce 3 incluye soporte nativo para clientes MCP, lo que significa que cualquier agente de Agentforce puede conectarse y usar cualquier servidor compatible con MCP sin requerir una sola línea de código personalizado. Este es el sustento técnico que hace realidad la visión del “USB-C para la IA” dentro del ecosistema de Salesforce.
Sin embargo, los estándares abiertos pueden parecer el “salvaje oeste” para las empresas preocupadas por la seguridad y la fiabilidad. Aquí es donde la estrategia de Salesforce se vuelve particularmente perspicaz. Aborda este desafío con dos innovaciones clave:
- El AgentExchange: Este es el mercado de Salesforce para acciones y herramientas de IA, actuando como una “App Store para Agentes” de confianza. A través del AgentExchange, los clientes pueden descubrir y desplegar servidores MCP previamente examinados y certificados de un ecosistema en rápido crecimiento de más de 30 socios de lanzamiento. Esto resuelve el problema del descubrimiento y proporciona una capa crucial de confianza. Cuando una empresa despliega un servidor MCP desde el AgentExchange, lo hace con la confianza de que ha sido validado por Salesforce en cuanto a seguridad y compatibilidad.
- La Pasarela de Agentes de IA (AI Agent Gateway): Esta es la capa de gobernanza crítica que proporciona un control centralizado. Diseñada por MuleSoft, la pasarela actúa como un registro unificado donde los administradores pueden gestionar todos los servidores MCP conectados a su organización. Pueden crear listas de permitidos, aplicar políticas de seguridad, controlar qué agentes pueden acceder a qué herramientas y monitorear toda la actividad. Este es el “portero de grado empresarial en la puerta”, asegurando que el poder de la interoperabilidad abierta se ejerza de forma segura y de acuerdo con la política corporativa.
Socios de MCP de Agentforce. Imagen de AgentExchange, presentando a los Socios de MCP de Agentforce. Obtenido de https://appexchange.salesforce.com/collections/agentforce-mcp.
Esta estrategia permite a Salesforce abrazar la innovación de un estándar abierto mientras proporciona el ecosistema cerrado de confianza que las empresas requieren. La compañía no está tratando de poseer el estándar MCP; se está posicionando como la plataforma más fiable para orquestarlo.
Imagine un agente de Agentforce encargado de incorporar a un nuevo cliente. A través de MCP, podría:
- Conectarse de forma segura a Box para recuperar el último acuerdo de confidencialidad firmado, resumir sus términos clave y publicar una actualización en un canal de Slack.
- Interactuar con PayPal o Stripe para generar automáticamente la primera factura y procesar un pago.
- Recurrir a los agentes de IA de grado empresarial de WRITER para generar materiales de bienvenida conformes y alineados con la marca.
- Aprovechar los servicios de AWS para consultar vastos repositorios de datos no estructurados relevantes para el nuevo cliente.
Cada una de estas acciones ocurre a través de un protocolo estandarizado y seguro, orquestado por Agentforce pero impulsado por un ecosistema diverso de socios de primer nivel.
Para ver estos conceptos de interoperabilidad y gobernanza cobrar vida, el equipo de Salesforce ha preparado una potente demostración. El video a continuación ofrece una visión práctica de cómo un administrador utiliza Agentforce Builder para conectarse sin problemas a un Servidor MCP de PayPal a través del AgentExchange, sin necesidad de integración personalizada. Es un ejemplo perfecto y del mundo real de cómo MCP permite una orquestación segura y multisistema, todo ello envuelto en la capa de confianza de grado empresarial que proporciona Agentforce.
Más Allá de la Integración: Los Pilares de una Plataforma de Agentes de Grado Empresarial
La visión de Agentforce 3 se extiende más allá de la simple integración de herramientas. La interoperabilidad es uno de los tres pilares fundamentales diseñados para crear una plataforma completa de trabajo digital lista para la empresa.
El segundo pilar es la observabilidad, entregada a través del nuevo Centro de Mando de Agentforce (Agentforce Command Center). Esta es una solución de monitoreo completa construida para rastrear, medir y optimizar el rendimiento de los agentes de IA. El lenguaje utilizado para describir sus capacidades —seguimiento de la adopción de agentes, tasas de éxito, costo y salud— es revelador. Es el lenguaje de la gestión de recursos humanos, no solo del monitoreo de software. Esto posiciona deliberadamente a Agentforce como una plataforma para gestionar una nueva clase de empleado: el trabajador digital. Los líderes empresariales ahora pueden medir el ROI de su fuerza de trabajo de IA con el mismo rigor que aplican a sus equipos humanos, haciendo que el valor de la IA sea concreto y manejable.
El tercer pilar es la Arquitectura Atlas mejorada, el “cerebro” detrás de Agentforce. Esta ha sido rediseñada para una preparación empresarial inigualable, ofreciendo una latencia un 50% menor, mayor precisión a través de la fundamentación en búsquedas web y citas en línea, y una resiliencia mejorada con conmutación por error automática de modelos. Además, amplía la elección de LLM, añadiendo soporte para modelos de Anthropic y Google, asegurando que los clientes puedan usar el mejor modelo para el trabajo mientras permanecen dentro del límite de confianza de Salesforce.
Conclusión: Del Código a Medida a la IA Componible
La introducción del Protocolo de Contexto del Modelo, defendido y operacionalizado por plataformas como Salesforce Agentforce 3, marca un momento crucial en la evolución de la inteligencia artificial. Estamos pasando de una era de construcción de aplicaciones de IA monolíticas y frágiles con código a medida a una era de IA componible.
Pero dar a los agentes sus herramientas es solo el primer paso. ¿Qué sucede cuando estos agentes especializados y recién empoderados necesitan colaborar entre sí? Esto es algo que ya hemos cubierto en nuestro blog, A2A y el Futuro de los Ecosistemas Colaborativos de IA.
Referencias:
Anthropic. (s.f.). Model Context Protocol (MCP). Anthropic API. Obtenido el 9 de julio de 2025, de https://modelcontextprotocol.io/introduction
Damco Solutions. (2025). Salesforce Agentforce 3: What’s new for enterprises? Damco. Obtenido el 9 de julio de 2025, de https://www.damcogroup.com/blogs/agentforce-3-what-do-we-know-so-far
Everest Group. (2025). Salesforce’s Agentforce 3: A bold bet on enterprise-grade AI agent management. Obtenido el 9 de julio de 2025, de https://www.everestgrp.com/blog/salesforces-agentforce-3-a-bold-bet-on-enterprise-grade-ai-agent-management-blog.html
IBM Technology. (2025). MCP vs API: Simplifying AI agent integration with external data [Video]. YouTube. https://www.youtube.com/watch?v=7j1t3UZA1TY
Koul, N. (2025). The model context protocol (MCP) — A complete tutorial. Medium. Obtenido el 9 de julio de 2025, de https://medium.com/@nimritakoul01/the-model-context-protocol-mcp-a-complete-tutorial-a3abe8a7f4ef
Salesforce. (2025). Salesforce announces Agentforce 3. Salesforce News. https://www.salesforce.com/news/press-releases/2025/06/23/agentforce-3-announcement/
Tinybird. (2025). MCP vs APIs: When to use which for AI agent development. Obtenido el 9 de julio de 2025, de https://www.tinybird.co/blog-posts/mcp-vs-apis-when-to-use-which-for-ai-agent-developme“
